一种基于零知识证明的单维结构化数据假设检验评估方法

本发明公开了一种基于零知识证明的单维结构化数据假设检验评估方法，旨在严格保护真实数据及其敏感统计信息的情况下，对合成数据与真实数据的分布一致性进行可验证评估。首先，针对离散型变量和连续型变量，分别采取类别频数统计和等宽分箱的方式来计算期望频数与观测频数，并采用卡方拟合优度检验来衡量合成数据与真实数据的分布偏差。随后将检验统计量的计算过程重构为仅包含整数加法与乘法运算的等价形式，以适应有限域计算。基于该整数化公式，构建约束电路并生成零知识证明。本发明使得证明者能够在不公开真实数据的情况下，向验证者证明假设检验结果的正确性，从而在保障真实数据隐私的同时，实现对合成数据效用的可信评估。